人工智能营销的机器学习算法谱系及实践域

近年来,人工智能营销算法的发展与应用取得长足进步,得到市场与学界的广泛关注,成为营销领域的研究热点,相关研究日益丰富。本研究针对人工智能营销的机器学习相关文献展开系统分析,全面梳理主流的算法谱系,分析不同算法与营销应用间的技术匹配与实践案例,明晰算法在人工智能营销中的实践域,进而提出推动人工智能营销实践的启示及未来研究指向。研究发现,监督学习、非监督学习、强化学习中的诸类算法,对特定营销活动与目标有着鲜明的技术匹配性,较好地实现了“算法—营销”匹配。算法在营销中的实践主要体现于人机互动、认知&识别、分析&挖掘、监测评价、辅助决策5个方面,并渗透于不同的行业领域。不同行业情境下,机器学习算法的多样性,顺应于特定行业领域的营销活动需要。

基于谱系聚类分析的桥梁结构模态参数自动化识别方法研究

桥梁结构模态参数识别作为桥梁健康监测系统的重要组成部分之一,对桥梁的长期健康监测具有重要意义。而现有的模态参数识别算法还不能实现结构系统阶次和模态参数的自动化识别,基于此,简单介绍了随机子空间算法的基本原理;通过引入"滑窗技术"以实现对时变结构模态参数的在线识别;针对稳定图定阶难这一问题,提出了基于奇异熵理论的系统定阶算法,以实现系统阶次的自动化确定;又将统计学中的"谱系聚类算法"与随机子空间算法进行结合,实现桥梁结构模态参数的自动化识别。利用该算法识别苏通大桥在竖桥向和横桥向的模态参数结果,并将其与理论计算值进行对比分析,结果表明:算法不仅能实现桥梁结构系统阶次的自动化确定,还能实现模态参数的自动化识别,方便对桥梁结构参数的实时监控,了解桥梁结构的健康运营状态。

基于完全有限前缀的完备日志生成算法

鉴于理想的完备日志很难被获取,针对特定次序关系完备的日志已成为评估挖掘算法表现的重要数据来源。提出了一种新颖的针对特定次序关系完备日志生成算法,基于完全有限前缀计算轨迹,使日志生成过程可控。扩展了完备日志的生成算法,使日志能够针对Δw关系和w关系完备,从而满足α谱系挖掘算法对日志的完备性要求。同时提出了一种日志生成算法的评估框架,并对日志生成算法进行评估。